資源描述：
《基于字典學習的高光譜圖像分類方法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、斬護Ｉ靜聲＇彥Ｖ．需緻去．搭｜＾１：§歡｜乂１瑚舅苗占．．．＾％一ｔ；＾乃父去斟一培％論＾、＇禁＾５：＾Ｊ藝＾５％！讀．’詳完‘／＊為達＇＂ｆ申＾聲研巧究畢論、文猿三ｉ；：吩ＬＪ學是筆＇：－４ｃ否－．、禱ｉ＾馨變氣ｖ儀家；乎拿．．！題目糾＾則綿ＳＪＩ？Ｉ姓名糾’４．．ｃ：Ｖ業(yè)Ｊ釀術；．－＞方向＾刪像績，?。牐娼處煟牨蛱?，．．漠．ｓ．方＞働ｆ需矣３兵夢稽冷辦汽堿＃：挺＞扔屬ｆ扛．，聲吟‘ｒ杏，ｖ＾班娘＃辭３．審‘屬為；常；苗＾＾＾
2、錬３廬－寡滿巧皆隱參難＾氣／．廣絲ｓ｜苗＾獲３磬ｉ｜＾心？‘覆．ｇ擠？誦■難每議裹藻＃篡｜４＃；補．辦＾知績＾韻讀臟＂．農慕食鄭：＾踩為＾警＾獄省；‘違夠＃；．￡５蠢＾；｜議．錢詩＾據｜．錯日句藥教端利懸ｗ１篇；：＃辭與＃場＾續(xù)ｉＨｅｒｓｅｃｔｒａｌＩｍａｅＣｌａｓｓｉｆｉｃａｔｉｏｎｙｐｐｇＢａｓｅｄｏｎＤｉｃｔｉｏｎａｒＬｅａｒｎｉｎｙｇｂｙＺｈｅｚｈｅｎｇＷａｎｇＤｉｒｅｃｌ：ｅｄｂｙＰｒｏｆｅｓｓｏｒＹｕｂｉｎＹａｎｇ
3、ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＤｅａｒｔｍｅｎｔｐＮａｎｉｎＵｎｉｖｅｒｓｉｔｊｇｙＭａ２０１６ｙＳｕｂｍｉｔｔｅｄｉｎａ＂ｉ＾ａｌｕｌｌｍｅｎｔｏｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｆｆｉｆｑｒｈｄｒｅｅＭａ＾ＣＴｌｆｏｔｅｅｇｏｆｅｒｉｎｏｍｐｕｔｅｒｅｃｈｎｏｏｇｙ南京大學研究生畢業(yè)論文中文摘要首頁用紙畢業(yè)論文題目：基于字典學習的高光譜圖像分類方法研究計算機技術專業(yè)２０１３級碩擊專業(yè)生姓名：王結正指導教師（
4、姓名、職稱）：楊育彬教授摘要隨著遙感技術和計算機技術的發(fā)展，高光譜遙感圖像己經滲入到社會、經濟的各個領域，，。同時高光譜圖像的數(shù)量也日趨增長如何組織圖像、對高光一譜圖像進行分類任務，就成為了遙感信息技術領域中項重要的研究課題。由于高光譜圖像有著維數(shù)高、樣本少的特點，而傳統(tǒng)高光譜圖像分類方法僅考慮了光譜特性而忽略了圖像中的空間特性，加之圖像的數(shù)字化存儲與人類語義理＂＂解之間存在天然的語義鴻溝問題，高效可靠的離光譜圖像分類依然充滿挑戰(zhàn)。字典學習模型在自然圖像分類上的成功應用，
5、為高光譜圖像分類問題提供一了新的思路，本文基于字典學習模型，對高光譜圖像的空間信息進步地挖掘，并嘗試從Ｈ個方面提出了對現(xiàn)有高光譜圖像分類問題的解決方案。一首先，針對高光譜圖像中豐富的空間信息提出種新型的字典學習框架。通過字典學習框架對含有豐富空間信息的底層特征進行編碼，獲得能夠較好保持特征空間結構信息的高層語義編碼，也消除了底層特征與圖像高層語義么＂＂間的語義鴻溝。其次，針對字典學習框架中大部分算法在編碼過程中僅僅考慮了顯著性特一征的問題，提出并實現(xiàn)種空間結構性保留的編碼策略
6、。先在字典生成階段保持字典項的局部空間信息。而后在編碼階段基于密度適應性地選擇特征進行編，避免了編碼過程中的高光譜圖像的空間信息損失碼，從而獲得較好的特征和分類準確率。最后，針對傳統(tǒng)高光譜圖像稀疏表示的研究中，研究者們僅僅在編碼的樣＂＂一本選擇階段考慮空間近鄰關系的缺點，提出并實現(xiàn)種新的空間約束的特征編碼方式，在編碼階段定義空間懲罰項作為約束條件來控制編碼，使得空間上有近鄰關系像素的編碼能夠盡可能地相似。關鍵詞：高光譜圖像分類；字典學習；特征編碼；密度約束；空間約束；稀疏
7、表示ｉ南京大學研究生畢業(yè)論文英文摘要首頁用紙了ＨＥＳＩＳ：ＨｙｐｅｒｓｐｅｃｔｒａｌｌｍａｇｅＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＤｉｃｔｉｏｎａｒｙＬｅａｒｎｉｎｇＳＰＥＣＩＡＬＩＺＡＴＩＯＮＣｏｍｔｌｏ：ｐｕｅｒＴｅｃｈｎｏｇｙＰＯＳＴＧ艮ＡＤＵＡＴＥ：ＺｈｅｚｈｅｎｇＷａｎｇＭＥＮＴＯＲＹｉＹ：ＰｒｏｆｅｓｓｏｒｕｂｎａｎｇＡｂｓ化ａｃｔｍｅｎ－Ｎｏｗａｄａｙｓｗｉｔｈｔｈｅｄｅｖｅｌｏｔｏｆｒｅｍｏｌ：ｅｓｅ打ｓｉ打ａｎ
8、ｄｃｏｍｔｅｒｔ；ｅｃｈｎｏｌｏｈ，ｐｇｐｕ，ｇｙｙｅｒｓｅｃｔｒａｌｉｍａｅｈａｓｉ打ｆｉｌｔｒａｔｅ過ｉｎｔｏｖａｒｉｏｕｓ行ｅｌｄｓｓｕｃｈａｓｓｏｃｉｅｔｅｃｏｎｏｍａｎｄｓｏｏｎ．ｐｐｇｙ，ｙＡｔｔｈｅｓａｍｅｔｉｍｅ，化ｅｎｕｍｂｅｒｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｓｉｓｉｎｃｒｅａｓｉｎｇ，ｈｏｗｔｏｏｒｇａｎｉｚｅ化ｅｉｍａ
